10、情境意识需求分析:驾驶中的关键洞察

情境意识需求分析:驾驶中的关键洞察

1. 团队情境意识方法的假设

在应用最流行的团队情境意识(SA)方法时,存在一些特定的假设:
- 它仍然是存在于个体人类操作员头脑中的认知现象,但更注重系统中的“环境”和非人类代理。
- 存在一个可被了解的情境事实,但团队SA可能并非个体SA的简单总和。
- 参考专家或规范的绩效标准可以得出良好的SA,但团队SA的涌现性质可能会影响结论。

虽然有许多方法可以测量团队SA的各个方面,但目前尚无正式且明确的方法来捕捉团队SA的需求。基于个体SA模型的GDTA方法常被使用。不过,对于更复杂的团队SA模型,需求的概念与个体驾驶员意识中信息对象的简单存在或缺失有所不同,它更注重要实现的结果,而非实现结果所需的特定知识对象。

2. 系统SA视角

SA最初源于认知心理学领域,如今该领域的范式正在转变,开始更多地采用系统思维。然而,当从系统角度审视SA时,会发现一些挑战。

道路运输系统并非像某些SA理论或方法所假设的那样具有确定性。它不像按预定路线和严格时间表运行的机器,系统中的人也并非“理性优化者”。拥有一定数量的信息并不能保证可预测的结果。该系统高度动态,结果和行为往往不确定,包含多个组成部分,包括人类和技术。在相对宽泛的约束条件下,会出现各种行为并产生强烈的涌现现象,这些涌现现象正成为研究的焦点。

这就导致了一个潜在的不匹配问题,即基于确定性假设的个体和团队SA理论与方法,与高度系统化的道路运输系统之间存在差异。

2.1 分布式SA(DSA)模型

Artman和Garbis最早从系统层面讨论了SA,Shu和Furuta

感应异步电机转子磁场定向控制基于模型参考自适应观测器(MRAS)+模数最优法整定电流环和对称最优法整定速度环的无感算法(Simulink仿真实现)内容概要:本文介绍了感应异步电机转子磁场定向控制的无感算法,结合模型参考自适应观测器(MRAS)实现转速和磁链的在线估计,省去机械传感器,提升系统可靠性。控制系统采用经典的双闭环结构,其中电流环通过模数最优法进行PI参数整定,以获得快速响应和良好稳定性;速度环则采用对称最优法进行调节器设计,增强抗干扰能力和动态性能。整个控制策略在Simulink环境中完成建模与仿真,验证了其在无位置传感器条件下仍能实现高性能调速的可行性。; 适合人群:自动化、电气工程及相关专业的研究生、高校科研人员以及从事电机控制、电力电子与运动控制领域的工程技术人员。; 使用场景及目标:①用于研究无速度传感器电机控制技术,特别是MRAS在转速辨识中的应用;②掌握模数最优法与对称最优法在电流环和速度环PI参数整定中的设计流程与工程实践;③通过Simulink仿真平台复现先进控制算法,服务于教学实验、科研项目或工业原型开发。; 阅读建议:建议读者结合Simulink模型同步学习,重点关注MRAS观测器的构建原理、PI参数整定的理论推导与仿真验证环节,同时可进一步拓展至参数鲁棒性分析与实际硬件实现。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值